【OpenCV3图像处理】Mat类详解之元素的获取与赋值（对比.atlt;()函数和 .ptrlt;()函数）

本文主要是介绍【OpenCV3图像处理】Mat类详解之元素的获取与赋值（对比.atlt;()函数和 .ptrlt;()函数），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Mat中像素的获取与赋值

计算机视觉中，图像的读取是图像处理的基础，图像就是一系列像素值，OpenCV使用数据结构cv::Mat来存储图像。cv::Mat是一个矩阵类，矩阵中每一个元素都代表一个像素，对于灰度图像，像素用8位无符号数，0表示黑色，255表示白色。对于彩色像素而言，每个像素需要三位这样的8位无符号数来表示，即三个通道（R,G,B），矩阵则依次存储一个像素的三个通道的值，然后再存储下一个像素点。

cv::Mat中，

cols代表图像的宽度（图像的列数），

rows代表图像的高度（图像的行数），

step代表以字节为单位的图像的有效宽度，

elemSize返回像素的大小，

channels（）方法返回图像的通道数，

total函数返回图像的像素数。

像素的大小 = 颜色大小（字节）*通道数，

比如：

三通道short型矩阵（CV_16SC3）的大小为2*3 = 6，

三通道Byte型矩阵（CV_8UC3）的大小为1*3= 3，像素的channels方法返回图像的通道数，total函数返回图像的像素数。

RGB图像的颜色数目是256*256*256，本文对图像进行量化，缩减颜色数目到256的1/8（即32*32*32）为目标，分别利用一下几种方法实现，比较几种方法的安全和效率。

方法一：使用Mat的成员函数ptr<>()

cv::Mat中提供ptr函数访问任意一行像素的首地址，特别方便图像的一行一行的横向访问，如果需要一列一列的纵向访问图像，就稍微麻烦一点。但是ptr访问效率比较高，程序也比较安全，有越界判断。

int nl = image.rows; //行数  
int nc = image.cols * image.channels();
for (int j = 0; j<nl; j++)
{uchar* data = image.ptr<uchar>(j);for (int i = 0; i<nc; i++){data[i] = data[i] / div*div + div / 2;}
}

方法二：使用迭代器遍历图像

cv::Mat同样有标准模板库（STL），可以使用迭代器访问数据。

用迭代器来遍历图像像素，可简化过程降低出错的机会，比较安全，不过效率较低；如果想避免修改输入图像实例cv::Mat，可采用const_iterator。iterator有两种调用方法，cv::MatIterator_<cv::Vec3b>it;cv::Mat_<cv::Vec3b>::iterator it;中间cv::Vec3b是因为图像是彩色图像，3通道，cv::Vec3b可以代表一个像素。

cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
for (; it != itend; ++it)
{(*it)[0] = (*it)[0] / div*div + div / 2;(*it)[1] = (*it)[1] / div*div + div / 2;(*it)[2] = (*it)[2] / div*div + div / 2;
}

方法三：使用Mat的成员函数at<>()

cv::Mat也是向量，可以使at方法取值，使用调用方法image.at<cv::Vec3b>(j,i)，at方法方便，直接给i，j赋值就可以随意访问图像中任何一个像素，其中j表示第j行，i表示该行第i个像素。但是at方法效率是这3中访问方法中最慢的一个，所以如果遍历图像或者访问像素比较多时，建议不要使用这个方法，毕竟程序的效率还是比程序的可读性要重要的。下面是完整的调用方法，其运行时间在下面会介绍。

for (int j = 0; j< image.rows; j++)
{for (int i = 0; i< image.cols; i++){image.at<cv::Vec3b>(j, i)[0] = image.at<cv::Vec3b>(j, i)[0] / div*div + div / 2;image.at<cv::Vec3b>(j, i)[1] = image.at<cv::Vec3b>(j, i)[1] / div*div + div / 2;image.at<cv::Vec3b>(j, i)[2] = image.at<cv::Vec3b>(j, i)[2] / div*div + div / 2;} // end of line                     
}

注意：使用at函数时，应该知道矩阵元素的类型和通道数，根据矩阵元素类型和通道数来确定at函数传递的类型,使用的是Vec3b这个元素类型，他是一个包含3个unsigned char类型向量。之所以采用这个类型来接受at的返回值，是因为，我们的矩阵im是3通道，类型为unsigned char类型

完整实例：

#include <iostream>  
#include < opencv.hpp>  
using namespace cv;
using namespace std;int main()
{//新建一个uchar类型的3通道矩阵Mat img(5, 3, CV_8UC3, Scalar(50,50,50));cout << img.rows << endl; //5cout << img.cols << endl;  //3cout << img.channels() << endl;  //3cout << img.depth() << endl;  //CV_8U  0cout << img.dims << endl;  //2cout << img.elemSize() << endl;    //1 * 3,一个位置，三个通道的CV_8Ucout << img.elemSize1() << endl;   //1cout << img.size[0] << endl;   //5cout << img.size[1] << endl;   //3cout << img.step[0] << endl;   //3 * ( 1 * 3 )cout << img.step[1] << endl;   //1 * 3cout << img.step1(0) << endl;  //3 * 3cout << img.step1(1) << endl;  //3cout << img.total() << endl;   //3*5//--------------------------------------          地址运算         --------------------------------//for (int row = 0; row < img.rows; row++){for (int col = 0; col < img.cols; col++){//[row, col]像素的第 1 通道地址被 * 解析(blue通道)*(img.data + img.step[0] * row + img.step[1] * col) += 15;//[row, col]像素的第 2 通道地址被 * 解析(green通道)*(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1()) += 15;//[row, col]像素的第 3 通道地址被 * 解析(red通道)*(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1() * 2) += 15;}}cout << img << endl;//--------------------------------------          Mat的成员函数at<>( )         --------------------------------//for (int row = 0; row < img.rows; row++){for (int col = 0; col < img.cols; col++){img.at<Vec3b>(row, col) = Vec3b(0, 0, 0);}}cout << img << endl;//--------------------------------------         使用Mat的成员函数ptr<>()         --------------------------------//for (int row = 0; row < img.rows; row++){// data 是 uchar* 类型的, m.ptr(row) 返回第 row 行数据的首地址// 需要注意的是该行数据是按顺序存放的,也就是对于一个 3 通道的 Mat, 一个像素3个通道值, [B,G,R][B,G,R][B,G,R]... // 所以一行长度为:sizeof(uchar) * m.cols * m.channels() 个字节 uchar* data = img.ptr(row);for (int col = 0; col < img.cols; col++){data[col * 3] = 50;     //第row行的第col个像素点的第一个通道值 Bluedata[col * 3 + 1] = 50; // Greendata[col * 3 + 2] = 50; // Red}}cout << img << endl;Vec3b *pix(NULL);for (int r = 0; r < img.rows; r++){pix = img.ptr<Vec3b>(r);for (int c = 0; c < img.cols; c++){pix[c] = pix[c] * 2;}}cout << img << endl;//--------------------------------------         使用Mat的成员函数ptr<>()         --------------------------------//	MatIterator_<Vec3b> it_im, itEnd_im;it_im = img.begin<Vec3b>();itEnd_im = img.end<Vec3b>();for(; it_im != itEnd_im; it_im++){*it_im = (*it_im) * 2;}cout << img << endl;cvWaitKey();return 0;}